流年似水博客开通了,本站主要是写关于Web和大数据方面内容,正在更新中,欢迎大家光临!
  1. 文章:97 篇
  2. 总浏览:69,671 次
  3. 评论:22条
  4. 最后更新:2020-06-08
  5. 分类目录:39 个

Hadoop组成以及生态圈

Hadoop l, xy 380℃ 0评论

1. Hadoop是什么

1Hadoop是一个由Apache基金会所开发的分布式系统基础架构。点击进入官网

2)主要解决,海量数据的存储和海量数据的分析计算问题。

3)广义上来说,HADOOP通常是指一个更广泛的概念——HADOOP生态圈

2. 发展历程

    1LuceneDoug Cutting开创的开源软件,用java书写代码,实现与Google类似的全文搜索功能,它提供了全文检索引擎的架构,包括完整的查询引擎和索引引擎

    22001年年底成为Apache基金会的一个子项目

    3)对于大数量的场景,Lucene面对与Google同样的困难

    4)学习和模仿Google解决这些问题的办法 :微型版Nutch

    5)可以说Googlehadoop的思想之源(Google在大数据方面的三篇论文)GFS --->HDFSMap-Reduce --->MRBigTable --->Hbase

    62003-2004年,Google公开了部分GFSMapreduce思想的细节,以此为基础Doug Cutting等人用了2年业余时间实现了DFSMapreduce机制,使Nutch性能飙升

    72005 Hadoop 作为 Lucene的子项目 Nutch的一部分正式引入Apache基金会。2006 3 月份,Map-ReduceNutch Distributed File System (NDFS) 分别被纳入称为 Hadoop 的项目中    

    8)名字来源于Doug Cutting儿子的玩具大象

wpsccc8.tmp.png

    9Hadoop就此诞生并迅速发展,标志这云计算时代来临

3. Hadoop的发行版本

    Hadoop三大发行版本:ApacheClouderaHortonworks

        Apache版本最原始(最基础)的版本,对于入门学习最好。

        Cloudera在大型互联网企业中用的较多。

        Hortonworks文档较好

4. 特点(优势)

    1高可靠性Hadoop底层维护多个数据副本,所以即使Hadoop某个计算元素或存储出现故障,也不会导致数据的丢失。

    2高扩展性:在集群间分配任务数据,可方便的扩展数以千计的节点。

    3高效性:在MapReduce的思想下,Hadoop是并行工作的,以加快任务处理速度。

    4高容错性:能够自动将失败的任务重新分配

5. 框架组成组成:

  • Hadoop HDFS
  • Hadoop MapReduce
  • Hadoop Yarn
  • Hadoop Commons

clipboard.png

    在Hadoop2.x时代,增加了YarnYarn只负责资源的调度,MapReduce只负责运算


clipboard.png

6. Hadoop组成( HDFS、MapReduce、Yarn简介)

HDFS(Hadoop Distribution File System ) 分布式文件系统

      NameNode(nn):保存文件的元数据,例如文件的名称、保存日期等等。另外还保存着文件的块列表和块所在的NameNode
        DataNode(dn):在本地文件系统中保存(文件块)数据块和对块校验和
        Secondary NameNode(2nn):用来监控NameNode,在一定时间内对NameNode进行快照,但是不会NameNode的热备份。

MapReduce :主要有两个部分

        Map : 该过程是对数据的拆分
          Reduce : 该过程对分析以后的数据进行合并
             

clipboard.png


Yarn :负责作业调度和集群资源管理

组成 :
        ResourceManager : 处理客户端请求、启动/监控ApplicationMaster、监控NodeManager、资源分配与调度
        NodeManager : 单个节点上的管理者;接受处理来自ResourceManager命令和ApplicationMaster命令
        ApplicationMaster : 数据切分、为应用申请资源,并分配给内部任务、任务监控与容错

Container : 对任务环境进行抽象,封装了CUP、内存等多维资源以及环境变量、启动任务等运行的相关信息

Commons

            支持其他模块的公共模块(Configuration、RPC、序列化机制、日志操作等)

clipboard.png

7. 生态系统

clipboard.png

图中涉及的技术名词解释如下:

    1Sqoopsqoop是一款开源的工具,主要用于在Hadoop(Hive)与传统的数据库(mysql)间进行数据的传递,可以将一个关系型数据库(例如 : MySQL ,Oracle 等)中的数据导进到HadoopHDFS中,也可以将HDFS的数据导进到关系型数据库中。

    2FlumeFlumeCloudera提供的一个高可用的,高可靠的,分布式的海量日志采集、聚合和传输的系统,Flume支持在日志系统中定制各类数据发送方,用于收集数据;同时,Flume提供对数据进行简单处理,并写到各种数据接受方(可定制)的能力。
    3KafkaKafka是一种高吞吐量的分布式发布订阅消息系统,有如下特性:1)通过O(1)的磁盘数据结构提供消息的持久化,这种结构对于即使数以TB的消息存储也能够保持长时间的稳定性能。2)高吞吐量:即使是非常普通的硬件Kafka也可以支持每秒数百万的消息。3)支持通过Kafka服务器和消费机集群来分区消息。4)支持Hadoop并行数据加载。
    4StormStorm为分布式实时计算提供了一组通用原语,可被用于流处理之中,实时处理消息并更新数据库。这是管理队列及工作者集群的另一种方式。 Storm也可被用于连续计算continuous computation),对数据流做连续查询,在计算时就将结果以流的形式输出给用户。
    5SparkSpark是当前最流行的开源大数据内存计算框架。可以基于Hadoop上存储的大数据进行计算。
    6OozieOozie是一个管理Hdoop作业(job)的工作流程调度管理系统。Oozie协调作业就是通过时间(频率)和有效数据触发当前的Oozie工作流程。
    7HbaseHBase是一个分布式的、面向列的开源数据库。HBase不同于一般的关系数据库,它是一个适合于非结构化数据存储的数据库。
    8Hivehive是基于Hadoop的一个数据仓库工具,可以将结构化的数据文件映射为一张数据库表,并提供简单的sql查询功能,可以将sql语句转换为MapReduce任务进行运行。 其优点是学习成本低,可以通过类SQL语句快速实现简单的MapReduce统计,不必开发专门的MapReduce应用,十分适合数据仓库的统计分析。
    10R语言:R是用于统计分析、绘图的语言和操作环境。R是属于GNU系统的一个自由、免费、源代码开放的软件,它是一个用于统计计算和统计制图的优秀工具。
    11Mahout:Apache Mahout是个可扩展的机器学习和数据挖掘库,当前Mahout支持主要的4个用例:推荐挖掘:搜集用户动作并以此给用户推荐可能喜欢的事物。聚集:收集文件并进行相关文件分组。

    分类:从现有的分类文档中学习,寻找文档中的相似特征,并为无标签的文档进行正确的归类。频繁项集挖掘:将一组项分组,并识别哪些个别项会经常一起出现。

    12ZooKeeperZookeeperGoogleChubby一个开源的实现。它是一个针对大型分布式系统的可靠协调系统,提供的功能包括:配置维护、名字服务、 分布式同步、组服务等。ZooKeeper的目标就是封装好复杂易出错的关键服务,将简单易用的接口和性能高效、功能稳定的系统提供给用户。


推荐系统架构

clipboard.png

如果大家还有什么问题可以访问hadoop官网.也可以留言大家一起讨论。

转载请注明:流年似水 » Hadoop组成以及生态圈

喜欢 (2)or分享 (0)

Warning: copy(https://cn.gravatar.com/avatar/?s=54&d=%2Fwp-content%2Fthemes%2Fyusi1.0%2Fimg%2Fdefault.png&r=g): failed to open stream: HTTP request failed! HTTP/1.1 400 Bad Request in /usr/share/nginx/html/timewentby/wp-content/themes/yusi1.0/functions.php on line 239

Warning: copy(/wp-content/themes/yusi1.0/img/default.png): failed to open stream: No such file or directory in /usr/share/nginx/html/timewentby/wp-content/themes/yusi1.0/functions.php on line 243
发表我的评论
取消评论

表情

Hi,您需要填写昵称和邮箱!

  • 昵称 (必填)
  • 邮箱 (必填)
  • 网址